截图
简介
这是一个关于图像分割技术论文PPT，主要介绍了§7.1 边界分割法。§7.2 边缘连接分割法。§7.3 阈值分割法。§7.4 区域分割法。§7.5 彩色图像分割等等内容。生物电子与影像技术哈尔滨工业大学（威海）控制科学与工程系第七章 图像分割 §7.1 边界分割法 §7.2 边缘连接分割法 §7.3 阈值分割法 §7.4 区域分割法 §7.5 彩色图像分割 第七章 图像分割 §7.1 边界分割法 §7.2 边缘连接分割法 §7.3 阈值分割法 §7.4 区域分割法 §7.5 彩色图像分割 §7.1 边界分割法 1 图像分割 Image 图像分割基本概念输入图像，输出是分析分割的目的是把图像空间分成一些有意义的区域分割建立在相似性和非连续性上例子：确定航空照片中的森林、耕地、城市区域辨认文件中的个别文字识别和标定细胞显微照片中的染色体 §7.1 边界分割法 1 图像分割 Image Segmentation 图像分割基本概念分割的结果：一般是二值图像若想从一幅图像中“提取”物体，可以设法用专门的方法标出属于该物体的点，如把物体上的点标为“1”，而把背景点标为“0” 应用 机器阅读理解 遥感图像自动识别 在线产品检测 医学图像测量 §7.1 边界分割法 1 图像分割 Image Segmentation 图像分割基本概念把图像分解成构成它的部件和对象的过程有选择性地定位感兴趣对象在图像中的位置和范围 §7.1 边界分割法 1 图像分割 Image Segmentation 图像分割基本概念分割基本思路从简到难，逐级分割控制背景环境，降低分割难度把焦点放在增强感兴趣对象，缩小不相干图像成分的干扰上 §7.1 边界分割法，欢迎点击下载图像分割技术论文PPT哦。
图像分割技术论文PPT是由红软PPT免费下载网推荐的一款学校PPT类型的PowerPoint.
生物电子与影像技术哈尔滨工业大学（威海）控制科学与工程系第七章 图像分割 §7.1 边界分割法 §7.2 边缘连接分割法 §7.3 阈值分割法 §7.4 区域分割法 §7.5 彩色图像分割 第七章 图像分割 §7.1 边界分割法 §7.2 边缘连接分割法 §7.3 阈值分割法 §7.4 区域分割法 §7.5 彩色图像分割 §7.1 边界分割法 1 图像分割 Image Segmentation 图像分割基本概念输入图像，输出是分析分割的目的是把图像空间分成一些有意义的区域分割建立在相似性和非连续性上例子：确定航空照片中的森林、耕地、城市区域辨认文件中的个别文字识别和标定细胞显微照片中的染色体 §7.1 边界分割法 1 图像分割 Image Segmentation 图像分割基本概念分割的结果：一般是二值图像若想从一幅图像中“提取”物体，可以设法用专门的方法标出属于该物体的点，如把物体上的点标为“1”，而把背景点标为“0” 应用 机器阅读理解 遥感图像自动识别 在线产品检测 医学图像测量 §7.1 边界分割法 1 图像分割 Image Segmentation 图像分割基本概念把图像分解成构成它的部件和对象的过程有选择性地定位感兴趣对象在图像中的位置和范围 §7.1 边界分割法 1 图像分割 Image Segmentation 图像分割基本概念分割基本思路从简到难，逐级分割控制背景环境，降低分割难度把焦点放在增强感兴趣对象，缩小不相干图像成分的干扰上 §7.1 边界分割法 1 图像分割 Image Segmentation 图像分割分类基于边缘检测的方法找出图像的边缘信息，首先检出局部特性的不连续性，再将它们连成边界，这些边界把图像分成不同的区域，从而分割出各个区域基于边缘检测的图像分割、基于阈值选取的图像分割基于区域生成的方法像素分成不同的区域，根据相应的区域特性在图像中找出与其相似的部分并进行处理区域生长、分裂-合并法 §7.1 边界分割法 1 图像分割 Image Segmentation 图像分割基本策略基于灰度值的两个基本特性：不连续性——区域之间 先找到点、线（宽度为1）、边（不定宽度），再确定区域相似性——区域内部 通过选择阈值，找到灰度值相似的区域，区域的外轮廓就是对象的边 §7.1 边界分割法 2 点的检测用空域的高通滤波器来检测孤立点 §7.1 边界分割法 2 点的检测算法设定阈值 T，如T = 32、64、128等，并计算高通滤波值R 如果R值等于0，说明当前检测点与的灰度值与周围点的相同当R的值足够大时，说明该点的值与周围的点非常不同，是孤立点。通过阈值T来判断 |R| > T 检测到一个孤立点 §7.1 边界分割法 2 线的检测通过典型模板的计值，确定一个点是否在某个方向的线上 §7.1 边界分割法 2 线的检测 §7.1 边界分割法 2 线的检测算法依次计算4个方向的典型检测模板，得到Ri i=1，2，3，4 如 |Ri| > |Rj| 对于所有的j = i，那么这个点被称为在方向上更接近模板i 所代表的线设计任意方向的检测模板可能大于3*3 模板系数和为0 感兴趣方向的系数大 §7.1 边界分割法 3 边缘的检测边界的定义 两个具有相对不同灰度值特性的区域的边界线适用于： 假定问题中的区域是非常类似的，两个区域之间的过渡，仅仅根据灰度的不连续性便可确定 不适用于： 当假定不成立时，阈值分割技术一般来说比边缘检测更加实用 §7.1 边界分割法 3 边缘的检测计算局部微分算子 §7.1 边界分割法 3 边缘的检测一阶微分：用梯度算子来计算特点：对于亮的边，边的变化起点是正的，结束是负的。对于暗边，结论相反。常数部分为零。用途：用于检测图像中边的存在 §7.1 边界分割法 3 边缘的检测二阶微分：用拉普拉斯算子来计算特点：二阶微分在亮的一边是正的，在暗的一边是负的。常数部分为零。用途：1）二次导数的符号，用于确定边上的像素是在亮的一边，还是暗的一边。2）0跨越，确定边的准确位置 §7.1 边界分割法 3 边缘的检测 Sobel梯度算子具有平滑效果，由于微分增强了噪声拉普拉斯算子缺点：对噪声敏感；会产生双边效果；不能检测出边的方向应用：拉普拉斯算子不直接用于边的检测，通常只起辅助的角色；第七章 图像分割 §7.1 边界分割法 §7.2 边缘连接分割法 §7.3 阈值分割法 §7.4 区域分割法 §7.5 彩色图像分割 §7.2 边缘连接分割法 1 边缘连接边检测的后处理由于噪声的原因，边界的特征很少能够被完整地描述，在亮度不一致的地方会中断典型的边检测算法后面总要跟随着连接过程和其它边界检测过程，用来归整边像素，成为有意义的边连接处理的时机和目的时机：对做过边界检测的图像进行目的：连接间断的边 §7.2 边缘连接分割法 1 边缘连接连接处理的原理对做过边检测的图像的每个点(x，y)的特性进行分析分析在一个小的邻域（3x3或5x5）中进行所有相似的点被连接，形成一个享有共同特性像素的边界 用比较梯度算子的响应强度和梯度方向确定两个点是否同属一条边 §7.2 边缘连接分割法 1 边缘连接比较梯度对于点(x’， y’)，判断其是否与邻域内的点相似， T 是一个非负的阈值 |f (x， y) – f (x’， y’)| T 比较梯度向量的方向角对于点(x’， y’)，判断其是否与邻域内点的方向角相似， A是一个角度阈值 | (x， y) – (x’， y’)| < A 当梯度值和方向角都相似，则点(x’， y’)与边点界(x， y)是连接的 §7.2 边缘连接分割法 1 边缘连接局部连接算法设定A、T的阈值大小，确定邻域的大小对图像上每一个像素的邻域点进行分析，判断是否需要连接记录像素连接的情况， 给不同的边以不同的标记最后，删除孤立线段， 连接断开的线段 §7.2 边缘连接分割法 2 边缘拟合思想：若边缘点很稀疏，则需要用某个解析函数如分段线性或高阶样条曲线来拟合边缘方法：常根据图像一小块区域来建立拟合模型常用方法有：（1）迭代端点拟合的分段线性方法（2）灰度阶跃边缘模型（3）灰度渐变边缘模型 §7.2 边缘连接分割法 2 边缘拟合 边缘提取方法原图 §7.2 边缘连接分割法 2 边缘拟合迭代端点拟合（iterative endpoint fitting） §7.2 边缘连接分割法边缘拟合灰度阶跃边缘模型 §7.2 边缘连接分割法 2 边缘拟合灰度渐变边缘模型 §7.2 边缘连接分割法 3 Hough变换目的：检测图像中某些给定形状的曲线并用参数方程描绘，较少受曲线中断点的影响思想：对图像进行坐标变换，使之在另一个坐标空间的特定位置出现峰值原理：点-线的对偶性（duality） §7.2 边缘连接分割法 3 Hough变换方法对于边界上的n个点的点集，找出共线的点集和直线方程对于任意两点的直线方程：y = ax + b，构造一个参数a，b的平面 xy平面上的任意一条直线y = ax + b ，对应在参数ab平面上都有一个点过xy平面一个点(x，y)的所有直线，构成参数ab平面上的一条直线 §7.2 边缘连接分割法 3 Hough变换方法如果点(x1， y1)与点(x2， y2)共线，则这两点在参数ab平面上的直线将有一个交点在参数ab平面上相交直线最多的点，对应的xy平面上的直线就是我们的解 §7.2 边缘连接分割法 3 Hough变换算法实现用极坐标形式：xcosθ+ysin θ =ρ参数平面为θ， ρ ，对应不是直线而是正弦曲线使用交点累加器，或交点统计直方图，找出相交线段最多的参数空间的点最后找出该点对应的xy平面的直线线段 §7.2 边缘连接分割法 3 Hough变换算法实现 RGB = imread('gantrycrane.png'); I = rgb2gray(RGB); % convert to intensity BW = edge(I，'canny'); figure subplot(2，2，1)，imshow(RGB) subplot(2，2，2)，imshow(BW) [H，T，R] = hough(BW); subplot(2，2，3)， imshow(H，[]，'XData'，T，'YData'，R， 'InitialMagnification'，'fit') xlabel('\theta')， ylabel('\rho'); axis on， axis normal， hold on; P = houghpeaks(H，5，'threshold'，ceil(0.3*max(H(:)))); x = T(P(:，2)); y = R(P(:，1)); plot(x，y，'s'，'color'，'white'); % Find lines and plot them lines = houghlines(BW，T，R，P，'FillGap'，20，'MinLength'，7); subplot(2，2，4)， imshow(I)， hold on max_len = 0; for k = 1:length(lines) xy = [lines(k).point1; lines(k).point2]; plot(xy(:，1)，xy(:，2)，'LineWidth'，2，'Color'，'yellow'); end 第七章 图像分割 §7.1 边界分割法 §7.2 边缘连接分割法 §7.3 阈值分割法 §7.4 区域分割法 §7.5 彩色图像分割 §7.3 阈值分割法 1 基础思想：确定一个合适的阈值T（阈值选定的好坏是此方法成败的关键）将大于等于阈值的像素作为物体或背景，生成一个二值图像 If f(x，y) ≥ T set 1 else set 0 在四邻域中有背景的像素，是边界像素 §7.3 阈值分割法 1 基础全局阈值与局部阈值可看做一种涉及测试下列形式函数T的操作 T = T[ x， y， p(x，y)， f(x，y)] 如果T取决于f(x，y)时，就称为全局阈值 如果T取决于f(x，y)和p(x，y），就称为局部阈值 §7.3 阈值分割法 1 基础特点适用于物体与背景有较强对比的情况，重要的是背景或物体的灰度比较单一这种方法总可以得到封闭且连通区域的边界 §7.3 阈值分割法 2 直方图阈值法 §7.3 阈值分割法 2 直方图阈值法基本思想边界上的点的灰度值出现次数较少 §7.3 阈值分割法 2 直方图阈值法取值的方法 取直方图谷底(最小值)的灰度值为阈值T 缺点 会受到噪声的干扰，最小值不是预 期的阈值，而偏离期望的值 §7.3 阈值分割法 2 直方图阈值法改进 取两个峰值之间某个固定位置，如中间位置上。由于峰值代表的是区域内外的典型值，一般情况下，比选谷底更可靠，可排除噪声的干扰 §7.3 阈值分割法 3 亮度的作用图像是由反射率分量和亮度分量的乘积组成 §7.3 阈值分割法 3 亮度的作用解决非均匀照明问题把照明投射至一固定的白色反射面，产生1幅影像 得到正则化影像 (此影像为剩余反射分量) 决定 r(x，y) 所需的单一临界值 k 则对于 h(x，y) 的临界值为 T/k §7.3 阈值分割法 4 全局阈值分割用前述方法获得阈值T，并产生一个二值图，区分出前景对象和背景规定一个阈值T，逐行扫描图像凡灰度级大于T的，置为1；凡灰度级小于T的，置为0 适用场合：图像亮度是可以控制的情况，例如用于工业检测系统中 §7.3 阈值分割法 4 自适应阈值问题 不均匀亮度的成像导致用直方图得到单一全局阈值分割法无效 解决： 将图像进一步细分为子图像，并对不同的子图像使用不同的阈值进行分割 §7.3 阈值分割法 5 最佳全局和自适应阈值一种产生最小平均分割误差的估计方法假设一幅图像仅包含两个主要的灰度级区域 §7.3 阈值分割法 二值图像 §7.3 阈值分割法 6 阈值选择最佳阈值 假设一幅图像是由背景和物体组成。其中，物体像素的灰度级具有正态概率密度 ，其均值为 ，方差为 ； 而背景像素的灰度级也具有正态概率密度 ，其均值为 ，方 差为 物体占图像总面积的比为 ，背景占 总面积的比为 §7.3 阈值分割法 6 阈值选择最佳阈值图像总的灰度级概率密度为 假设对图像设置一阈值 T ， 把小于T的全部点称为目标物体点，而把大于等于T的所有点称为背景点 §7.3 阈值分割法 6 阈值选择最佳阈值把背景错归为物体点的概率为 ，把物体点错归为背景点的概率为 ，则有 §7.3 阈值分割法 6 阈值选择最佳阈值总的错分概率为 要求最小阈值，可将上式求微分，并令其结果为0，则得到 §7.3 阈值分割法 6 阈值选择最佳阈值 §7.3 阈值分割法 6 阈值选择最佳阈值如果 ， ，那么 即为最佳阈值 §7.3 阈值分割法 6 阈值选择最佳阈值对于复杂图像，在许多情况下对整幅图像用单一阈值不能给出良好的分割结果；如果已知在图像上的位置函数描述不均匀照射，就可以设法利用灰度级校正技术进行校正，然后采用单一阈值来分割；把图像分成小块，并对每一块设置局部阈值。如果某块图像只含物体或只含背景，那么对这块图像就找不到阈值，由附近的像块求得的局部阈值进行计算得到 §7.3 阈值分割法阈值求取方法的分类（1）分割过程是否需要人工干预：交互/自动（2）阈值的作用范围：全局/局部（3）阈值与灰度分布的关系： 基于灰度分布的一阶统计 基于灰度分布的二阶统计（4）算法的处理策略：迭代/非迭代（5）算法是否需要分割估计：有监督/无监督 §7.3 阈值分割法 7 分水岭算法 Watershed算法是一种特殊的自适应阈值迭代算法目的：将两个物体目标从背景中提取出来并互相分开 §7.3 阈值分割法 7 分水岭算法 Step1:在一个低灰度级阈值上进行二值化，将目标正确地分离出，但边界偏向内部 Step2:每次将阈值增加一个灰度级，物体的边界随之向外扩展 Step3:重复Step2，直至两个物体的边界相互接触。此时可确定物体的边界 §7.3 阈值分割法 7 分水岭算法第七章 图像分割 §7.1 边界分割法 §7.2 边缘连接分割法 §7.3 阈值分割法 §7.4 区域分割法 §7.5 彩色图像分割 §7.4 区域分割法区域增长基本思想把一幅图像分成满足某种判据的区域，也就是说，把点组成区域确定区域的数目要确定一个区域与其他区域相区别的特征确定一个产生有意义分割的相似性判据从一个已知点开始，加上与已知点相似的邻近点形成一个区域相似性准则可以是灰度级、彩色、组织、梯度或其他特性 §7.4 区域分割法区域增长相似性测度方法相似性的测度可以由所确定的阈值来判定从满足检测准则的点开始，在各个方向上生长区域。当其邻近点满足检测准则就并入小块区域中，当新的点被合并后再用新的区域重复这一过程，直到没有可接受的邻近点时，生成过程终止 §7.4 区域分割法区域增长相似性测度方法相似性准则是邻近点的灰度级与物体的平均灰度级的差小于T §7.4 区域分割法区域增长相似性测度方法当生成任意物体时，接受准则可以结构为基础，而不是以灰度级或对比度为基础为了把候选的小群点包含在物体中，可以检测这些小群点，而不是检测单个点，如果它们的结构与物体的结构充分并且足够相似时就接受它们还可以使用界线检测对生成建立“势垒”，如果在“势垒”的近邻点和物体之间有界线，则不能把这邻近点接受为物体中的点 §7.4 区域分割法聚合 Cluster 聚合分割方法定义一个等价关系确定邻接性，连接性可以用邻点来定义通过这样的连接关系可以定义一个属于R的子集，这个子集形成一个区域。在这个区域中，任何点都与 R有关。利用等价模板可分成最大的连接区域这些最大的连结区域又可以象搭积木一样形成有意义的分割 §7.4 区域分割法图像分割目前研究方向（1）大量研究集中在对分割算法的研究（2）根据分割评价方法，对各种分割算法的性能进行刻画和比较（3）对分割评价方法的研究第七章 图像分割 §7.1 边界分割法 §7.2 边缘连接分割法 §7.3 阈值分割法 §7.4 区域分割法 §7.5 彩色图像分割 §7.5 彩色图像分割 1 HIS彩色空间分割彩色图像仅在一个单独的平面上处理时应用色调分量适合于描述彩色饱和度分量适合作为模板图像强度分量不含有彩色信息，应用较少 §7.5 彩色图像分割 2 RGB彩色空间分割方法直观对特殊彩色区域的分割方法获得感兴趣彩色的代表性彩色点样本集，得到彩色“平均”估计，用向量a表示选择相似性度量对于图像在RGB空间中的点z，z与a之间的相似度测量结果小于阈值T，则称z与a相似 §7.5 彩色图像分割 2 RGB彩色空间分割相似性度量欧氏距离 其他距离测度 其中，C为希望分割的彩色典型样本协方差矩阵
展开
